CORAL8：用于医学图像面板区域定位的并发对象回归
计算机视觉与模式识别
2020-07-03 v1 人工智能
计算与语言
摘要
本工作解决为多图像面板生成医学报告的问题。我们将我们的解决方案应用于肾直接免疫荧光（RDIF）检测，该检测需要病理学家基于八张不同 WSI 的协同观察以及现有临床特征来生成报告。为此，我们提出了一种新颖的基于注意力的多模态生成循环神经网络（RNN）架构，能够跨 RDIF 面板动态并发采样图像数据。所提出的方法结合了申请医师临床笔记中的文本，以调节网络输出使其与整体临床背景一致。此外，我们发现了正则化词生成过程的注意力权重的重要性。这是因为系统可以通过为所有成员分配相等权重来忽略注意力机制。因此，我们提出了两种迫使系统利用注意力机制的正则化方法。在我们由大型临床实验室提供的新型 RDIF WSI 集合上的实验表明，我们的框架相比现有方法取得了显著改进。
引用
@article{arxiv.1906.09676,
title = {CORAL8: Concurrent Object Regression for Area Localization in Medical Image Panels},
author = {Sam Maksoud and Arnold Wiliem and Kun Zhao and Teng Zhang and Lin Wu and Brian C. Lovell},
journal= {arXiv preprint arXiv:1906.09676},
year = {2020}
}
备注
Accepted for MICCAI 2019